中原標準時間5月15日淩晨，谷歌年度開發者I/O 大會2024在美國加利福尼亞州山景城總部附近的海岸線圓形劇場召開。整場釋出會由谷歌CEO桑達爾·皮查伊（Sundar Pichai）主持，全程曆時兩小時。
前一天，OpenAI剛釋出GPT-4o和全新的ChatGPT，此次谷歌要在開發者大會上交出怎樣的“AI”答卷外界充滿了期待。
澎湃科技（www.thepaper.cn)注意到，整場開發者大會，桑達爾·皮查伊稱，據Gemini統計，在整場釋出會上他共提及“AI”121次，釋出了十多項産品更新和新品，但外界評論稱，和GPT-4o不到30分鐘的釋出會相比，“缺乏驚喜”。
谷歌年度開發者I/O 大會現場
此次開發者大會，谷歌将搜尋業務做了最徹底的AI改造，還更新更新了Gemini1.5Pro版本，同時推出Gemini1.5Flash輕量化小模型。除此之外，谷歌推出自稱效果超過Sora的生成視訊模型Veo，另外還展示了與GPT-4o 相似的語音視覺互動功能Gemini Live，同時，還更進一步推出了AI智能體Project Astra。
Gemini 更新，更加輕量
當天大會上，谷歌宣布對Gemini模型進行更新，此前，谷歌推出的Gemini 1.5 Pro是一個中型多模态模型，上下文長度為100萬tokens。
在此次開發者大會上，桑達爾·皮查伊宣布，通過改進資料和算法，提升模型的代碼生成、邏輯推理和規劃、多輪對話以及音頻和圖像了解能力等，更新後的Gemini 1.5 Pro能夠遵循越來越複雜和細微的訓示，包括指定産品級行為的訓示，如角色、格式和風格等。使用API的開發者和Google Cloud客戶可以通過候補名單擷取200萬tokens上下文視窗的1.5Pro。
更新後的Gemini 1.5 Pro将面向全球開發者開放，支援超過150個國家的35種語言。
此外，為了滿足使用者對低延遲和低成本的需求，此次釋出會上，谷歌釋出了輕量化模型Gemini 1.5 Flash。
Gemini1.5Flash
相較于Gemini 1.5 Pro，該版本的特點是響應速度更快、成本低至0.35美元每百萬tokens。而Gemini 1.5 Pro則針對對高品質内容有需求的使用者，收費為7美元每百萬tokens。
盡管Gemini1.5 Flash體積小巧，仍實作了100萬個标記的長上下文視窗，開發人員還能注冊嘗試200萬個标記，适用于摘要、聊天應用、圖像和視訊字幕、長文檔和表格的資料提取等多種任務。據介紹，實作這些功能是因為谷歌采用了1.5Pro對該模型進行了被稱作“蒸餾（distillation）的訓練，将較大模型中最核心的知識和技能遷移到了更小、更高效的模型中。
釋出AI智能體Project Astra
“很久以來，我們都有一個夢想，希望打造一個通用的AI Agent（AI智能體），幫助人們的生活變得更友善。現在，我們多年磨一劍，推出 Project Astra 的通用 AI 智能體。”桑達爾·皮查伊在釋出會上說。這一智能體是基于Gemini模型，通過對視訊幀進行連續編碼，将視訊和語音輸入組合成事件時間軸，并緩存這些資訊以便高效召回，進而能夠更快地處理資訊。
大會現場，來自谷歌 Deepmind的 CEO 傑米斯·哈薩比斯（Demis Hassabis）上台，講解和展示了Project Astra的原型運作視訊。
在展示過程中，谷歌在演講中展示了一個人拿着手機，将攝像頭對準辦公室的各個地方，并用語言與其互動：“當你看到有東西發出聲音時，請告訴我。”在這段視訊示範中，Astra能識别各種物體甚至代碼，并實時與人類進行語音互動。
在展示環節，有使用者對Astra突然提出一個此前沒有涉及到的問題，“你記得我把眼鏡放哪裡了麼？”
“你的眼鏡在桌上蘋果旁邊。”Astra回答到。這一過程引起現場驚呼。
這表明，當攝像頭掃過的時候，Astra曾“看”到過使用者的眼鏡，Astra以視覺的形式記錄了下來。
但在看過了GPT-4o的示範之後，Astra的示範就顯得缺乏驚喜。
谷歌稱，未來通過手機或眼鏡，人們就能讓随身AI專家助理提供服務。不過，這些功能要在今年晚些時候才能在Gemini應用和網絡體驗等Google産品中看見。
釋出視訊生成模型Veo對抗Sora
此次釋出會上，傑米斯·哈薩比斯宣布，谷歌正式釋出一款全新的視訊生成模型Veo，将成為Sora新的勁敵。
谷歌聲稱，Veo能夠根據文本、圖像建立超過60秒的高品質1080P視訊，使用者可以對光照、鏡頭語言、視訊顔色風格等進行設定。此外，Veo還能夠了解電影和視覺技術，例如延時拍攝的概念。
使用者僅需寫出文本提示即可生成視訊，比如文本提示：“在甯靜的山地平移鏡頭，相機慢慢露出白雪皚皚的山峰、花崗岩岩石和倒映天空的清澈湖泊。”“一艘宇宙飛船在浩瀚的太空中穿梭，星星劃過，高速，科幻”。
和Sora一樣，Veo目前也不會公開，隻提供給少量創作者。
搜尋引擎更新，與Gemini結合
谷歌搜尋負責人莉茲·裡德（ Liz Reid ）在此次釋出會上稱，在過往的25年裡，谷歌經曆了許多技術變革，“我們不斷重新構想和擴充 Google 搜尋的功能。”
莉茲·裡德宣布，如今，借助AI，谷歌搜尋可以做的事情超出人們的想象。她表示，将 Gemini 包括多步推理、規劃和多模态等功能與谷歌搜尋系統結合在一起，推出AI Overviews。通過AI Overviews，使用者可以上傳示範其要解決的問題的視訊，然後啟動搜尋在論壇和網際網路的其他區域以找到解決方案。
此外，使用者也可以向定制的 Gemini 模型提出複雜的問題。甚至當使用者不知道自己問什麼的時候，Google也可以給使用者推薦，給使用者做頭腦風暴。使用者可以直接與 Gemini 聊天，從整個收件箱中查找詳細資訊。
莉茲·裡德稱，“從回答、計劃、需求定制到組織和視訊搜尋，Google都會替你完成，而你需要做的隻有提問。”不過，AI Overviews将首先在美國推出。
Trillium：AI基礎設施的更新
訓練大模型需要大量的計算能力。在大會進行到中途，澎湃科技注意到，桑達爾·皮查伊低調宣布了谷歌的第六代張量處理單元 (TPU) ——Trillium。谷歌稱其為“迄今為止性能最強、能效最高的 TPU”，與上一代 TPU v5e 相比，Trillium每個晶片的峰值計算性能提高了 4.7 倍。谷歌将于今年晚些時候向其雲客戶提供Trillium。
值得關注的是，谷歌此次也在安卓平台上推出一系列全新AI功能。谷歌表示，此前，"Circle to Search"功能允許使用者無需切換應用即可搜尋，現在起它還可以作為學習伴侶，解答數學題、圖表等複雜問題。目前這一功能已在超過1億台安卓裝置上提供，預計到年底這一數字将翻倍。
來源：澎湃新聞（記者 喻琰）
編輯：王姝